| 摘要 | 第4-5页 |
| Abstract | 第5-6页 |
| 1 绪论 | 第10-17页 |
| 1.1 论文研究的背景和意义 | 第10-11页 |
| 1.2 国内外研究现状 | 第11-15页 |
| 1.2.1 kNN算法的发展历史和现状 | 第11-12页 |
| 1.2.2 膜计算的发展历史和现状 | 第12-14页 |
| 1.2.3 图像分类的发展历史和现状 | 第14-15页 |
| 1.3 论文结构安排 | 第15-17页 |
| 2 基础知识 | 第17-32页 |
| 2.1 分类及k近邻算法基本理论 | 第17-22页 |
| 2.1.1 分类算法 | 第17-18页 |
| 2.1.2 分类的基本流程 | 第18-20页 |
| 2.1.3 kNN算法思想 | 第20-21页 |
| 2.1.4 相似性度量 | 第21页 |
| 2.1.5 kNN算法会遭遇以下几个问题 | 第21-22页 |
| 2.2 膜计算基本理论 | 第22-28页 |
| 2.2.1 膜计算的生物基础 | 第22-24页 |
| 2.2.2 膜计算模型 | 第24-28页 |
| 2.2.2.1 细胞型P系统 | 第24-26页 |
| 2.2.2.2 组织型P系统 | 第26-27页 |
| 2.2.2.3 脉冲神经P系统 | 第27-28页 |
| 2.2.2.4 数值P系统 | 第28页 |
| 2.3 图像分类基本理论 | 第28-31页 |
| 2.3.1 图像特征提取 | 第28-30页 |
| 2.3.2 几种常见分类器 | 第30-31页 |
| 2.4 本章小结 | 第31-32页 |
| 3 一种由P系统改进的k最近邻分类算法 | 第32-51页 |
| 3.1 kNN算法描述 | 第32页 |
| 3.2 由P系统改进的kNN算法 | 第32-38页 |
| 3.2.1 P系统的设计 | 第33页 |
| 3.2.2 对象的表示 | 第33-34页 |
| 3.2.3 对象的初始化 | 第34页 |
| 3.2.4 对象的评估 | 第34页 |
| 3.2.5 转运规则 | 第34-35页 |
| 3.2.6 PSO粒子群进化规则 | 第35页 |
| 3.2.7 停机条件 | 第35页 |
| 3.2.8 输出结果 | 第35页 |
| 3.2.9 算法流程框图 | 第35-36页 |
| 3.2.10 kNN-P算法实现 | 第36-38页 |
| 3.3 实验结果与分析 | 第38-46页 |
| 3.3.1 实验数据集 | 第38-39页 |
| 3.3.2 实验方法参数设置 | 第39-40页 |
| 3.3.3 实验结果 | 第40-46页 |
| 3.4 kNN-P算法在图像分类中的应用 | 第46-49页 |
| 3.4.1 数据集描述 | 第46-47页 |
| 3.4.2 实验结果 | 第47-49页 |
| 3.5 本章小结 | 第49-51页 |
| 4 一种由P系统进化的可编辑的k最近邻分类器 | 第51-69页 |
| 4.1 可编辑的k最近邻分类器 | 第51-52页 |
| 4.2 由P系统进化的可编辑的kNN分类器 | 第52-60页 |
| 4.2.1 目标函数 | 第52-53页 |
| 4.2.2 P系统的设计 | 第53页 |
| 4.2.3 对象表示 | 第53-54页 |
| 4.2.4 对象的评估 | 第54页 |
| 4.2.5 进化规则 | 第54-55页 |
| 4.2.6 转运规则 | 第55页 |
| 4.2.7 停机条件 | 第55页 |
| 4.2.8 输出结果 | 第55-56页 |
| 4.2.9 算法流程框图 | 第56-58页 |
| 4.2.10 Edited-kNN-P算法实现 | 第58-60页 |
| 4.3 实验结果分析 | 第60-64页 |
| 4.4 Edited-kNN-P算法在手写数字分类中的应用 | 第64-67页 |
| 4.4.1 数据集描述 | 第64-66页 |
| 4.4.2 实验结果 | 第66-67页 |
| 4.5 本章小结 | 第67-69页 |
| 结论 | 第69-70页 |
| 参考文献 | 第70-74页 |
| 攻读硕士学位期间学术论文及科研情况 | 第74-75页 |
| 致谢 | 第75-76页 |